包数

c-journal：使用基于众包数据集的深度学习来检测和分类认知扭曲的日记应用程序

抽象的认知扭曲是负偏见的思维模式和错误的自我污点，这是由于自己的内部推理而导致并导致逻辑错误。认知畸变会对心理健康产生不利影响，并可能导致心理健康障碍。本文属于一个更大的项目，该项目旨在提供用于检测和分类文本中认知扭曲的应用程序。由于没有用于该任务的公共数据集，因此拟议的工作的首次贡献在于提供一个开源标签的数据集，该数据集的14个认知畸变，该数据集由34370个条目组成，该数据集由34370个条目通过人群来源，用户调查表和从社交媒体中重新播放情绪数据集收集。数据集是与持牌心理学家合作收集的。我们使用幼稚的贝叶斯和count vectorizer以及不同的CNN，LSTM和DNN分类器实现了基线模型，以基于数据集对认知失真进行分类。我们使用表现最好的模型研究了不同单词嵌入的用法。依靠CNN的表现最好的模型，其嵌入式句子嵌入，F1得分为84％，用于分类认知扭曲。表现最佳的模型是在C- Journal中内置的，这是一种免费的日记帐和心情跟踪移动应用程序，可指出向用户的潜在思维扭曲。